ホーム ニュース・お知らせ お役立ち情報 スキャニングについて 料金のご案内 お問い合わせ
← お役立ち情報一覧に戻る

多言語OCRの精度を上げる|英語・中国語が混ざった資料の電子化

多言語OCRの精度を上げる|英語・中国語が混ざった資料の電子化

英語や中国語が日本語と混ざった資料は、言語の設定が合っていないと、OCRで読み取れない部分が出ることがあります。ScanProでは、書籍・冊子に多言語混在に対応する特殊OCRを付けられます。料金は1冊あたり500ページ未満で2,000円です。バラの書類も、見積もり依頼フォームでOCRを「通常」「特殊」から選べ、料金は見積もりで決まります。別に1回の依頼ごとに基本料金2,000円がかかります(いずれも税別)。

海外の取引先とのやり取りや英文の論文、中国語の仕様書などは、検索できるPDFにしておくと探す手間を減らせます。本記事では、多言語OCRで精度が落ちる理由と、書籍と書類でのOCRの選び方を解説します。精度を上げるために依頼前にできること、料金の計算例、見積もりに伝える項目もあわせて紹介します。

多言語OCRとは:混ざった資料で精度が落ちる理由

OCRの言語設定の図解

OCR(光学文字認識)は、画像の中の文字を読み取り、検索やコピーができるテキストにする処理です。複数の言語が混ざった資料では、言語の扱い方で仕上がりが変わります。

OCRは言語を決めて文字を読み取る

一般的なOCRは、指定した言語の文字の形や単語の並びを手がかりに文字を判定します。そのため、日本語に設定した資料に英文が多く含まれると、英文側の読み取りが乱れることがあります。

多言語OCRは、複数の言語が混ざった原稿を、それぞれの言語として読み取れるようにした処理です。混在する言語の組み合わせを指定できるかどうかが、精度を左右します。

>>検索できるPDFの仕組みは検索可能なPDFとはで解説しています。

日本語と英語・中国語が混ざると起きること

日本語の設定のまま英文を読むと、単語の途中で区切られたり、似た形の記号に置き換わったりすることがあります。英単語で検索しても、該当のページが見つからない原因になります。

中国語は日本語と同じ漢字を使いますが、簡体字など字形の異なる文字が多く含まれます。日本語の設定では別の字に読み替えられることがあり、中国語の語句で検索しにくくなります。

認識精度を左右する原稿側の条件

言語の設定のほかに、原稿の状態も精度に影響します。主な条件は次のとおりです。

  • 文字の大きさと、使われているフォント
  • 段組みや表、図と文字が入り組んだレイアウト
  • 印刷のかすれ、紙の黄ばみや汚れ
  • 読み取るときの解像度

同じ言語の組み合わせでも、原稿によって結果は変わります。そのため、仕上がりは実際の資料で試して確かめるのが確実です。

ScanProのOCRの種類と料金

ScanProのOCRは、書籍・冊子に付けるOCRと、バラの書類に付けるOCRで、料金の考え方が異なります。まずは違いを整理します。

OCRの種類の比較

対象 OCRの種類 言語 料金(税別)
書籍・冊子 通常OCR 日本語・英語の1言語 1冊100円
書籍・冊子 通常OCR(その他の言語) 英語以外の外国語の1言語 1冊300円
書籍・冊子 特殊OCR(多言語混在・600dpi) 2か国語の混在 1冊500ページ未満2,000円、500ページごとに500円追加
バラの書類 通常・特殊から選択(見積もり依頼フォーム) 多言語の資料にも対応 見積もりで決まる

書籍・冊子の通常OCRは、1言語での読み取りです。言語が混在する場合は、希望する1言語を申し込み時に伝えます。

書籍・冊子の特殊OCR(多言語混在・600dpi)

特殊OCRは、日英・日仏・日越のような2か国語の混在に対応する、書籍・冊子向けのOCRです。対応できる言語は60か国以上とされています。料金は1冊あたりで、500ページ未満は2,000円、500ページごとに500円が加わります(税別)。

解像度は追加料金なしで600dpiになります。カラーでも読み取れますが、白黒2値が推奨されています。

バラの書類もOCRを通常・特殊から選べる

綴じていない書類は、1枚ごとの電子化料金にOCRを加える形です。バラの書類も、見積もり依頼フォームでOCRを「通常」「特殊」から選べます。料金ページでは「通常 or 高精度」と表記されており、多言語の資料にも対応しています。

書類のOCRの料金は、言語の組み合わせや枚数を確かめたうえで、見積もりで決まります。書籍の特殊OCRの料金は1冊あたりの金額のため、書類にはそのまま当てはまりません。

混ざっている言語を伝えて、お見積りへ

英語・中国語などが混ざった資料も、言語の組み合わせとおおよその枚数を伺ってお見積りします。お見積り・テストスキャンまで無料です。

多言語資料の電子化を相談する

資料の種類別の進め方

同じ多言語の資料でも、本の形をしているか、バラの書類かで、頼み方が変わります。代表的な2つの場合を紹介します。

英文が混ざった専門書・論文・報告書

書籍・冊子の電子化は、著作権者か、著作権者から許諾を得た出版社・団体などからの依頼が前提です。英文の引用や要旨が多い専門書や論文は、書籍・冊子として依頼し、特殊OCRを付けるのが基本です。日本語だけで検索できれば足りる本なら、通常OCRで費用を抑えられます。

大学・研究機関の事例では、専門書・論文・研究資料を高解像度で電子化し、OCRを加えました。研究資料は、本ごとに「どの言語で検索したいか」を決めておくと、OCRの種類を選びやすくなります。

>>研究資料の検索性を高める方法は研究資料のOCR電子化で解説しています。

中国語・英語が混ざった契約書・仕様書

海外の取引先との契約書や仕様書、輸出入の書類などは、バラの書類として依頼します。書類ごとに、日本語・英語・中国語のどれが使われているかを一覧にしておくと、見積もりが正確になります。

1通の中で2つの言語が並ぶ書類と、言語ごとに分かれた書類とでは、処理の仕方が変わることがあります。どちらが多いかも、あわせて伝えておきましょう。

>>契約書を検索できるようにする方法は契約書を検索できる電子化で紹介しています。

多言語OCRの精度を上げるために依頼前にできること

OCRの精度は、依頼の段階で伝える情報によっても変わります。次の3点を準備しておくと、仕上がりのずれを減らせます。

混在している言語の組み合わせを伝える

まず、資料ごとに使われている言語を確かめます。英語以外の外国語を指定する場合は、申し込みのときに希望の言語を伝える必要があります。

日本語と中国語のように、2つの言語がどの組み合わせで混ざっているかも書き添えます。3か国語以上が混ざる資料は、特殊OCRで対応できるかを見積もりの段階で確認します。

解像度と色の設定を決める

小さな文字や細い字形の多い言語は、解像度が高いほど読み取りやすくなる傾向があります。特殊OCRは600dpiで読み取るため、書籍では解像度を別に上げる必要はありません。

書類の場合は、300dpiが料金表の基準です。600dpiにすると、電子化料金が50%アップになります。文字の読み取りが目的なら、カラーより白黒やグレーのほうがデータを軽くできます。

>>解像度の考え方は解像度(dpi)とはで詳しく解説しています。

テストスキャンで実際に検索してみる

精度は原稿ごとに変わるため、本番の前にテストスキャンで確かめるのが確実です。英語と中国語の語句をいくつか選び、納品されたPDFで実際に検索してみます。

見つからない語句があれば、言語の設定や解像度を見直します。状態の悪い資料や、表の多い資料を選んで試すと、全体の仕上がりを見通しやすくなります。

OCRの精度が足りないときの選択肢

OCRの認識率は、印刷の構成やフォントによって変わり、保証はされていません。検索だけでなく、本文を正確なテキストとして使いたい場合は、次の方法があります。

誤認識を手直しするテキスト修正

書籍・冊子のこだわりオプションには、OCRの誤認識を人の手で直すテキスト修正があります。テキストの簡易修正は1ページ600円、高精度修正は1ページ1,200円です(税別)。

ページ単位の料金のため、すべてのページに付けると費用が大きくなります。翻訳の原稿にするページなど、正確なテキストが必要な部分に絞って使うのが現実的です。

Wordで編集したい場合

本文をWordで編集したい場合は、Word形式への出力を選べます。料金は250ページ未満で5,000円です。250ページ以上は、100ページごとに1,000円が加わります(税別)。Wordへの出力も、変換の精度は原稿によって大きく変わり、保証はされていません。

英語・中国語の語句で、検索できるか試してみる

言語が混ざった書籍や書類を、実際の原稿でテストスキャンし、OCRの仕上がりを確かめられます。作業はすべて国内の社内で行い、海外での作業はありません。お見積り・テストスキャンまで無料です。

多言語OCRを相談する

料金の計算例と見積もりの頼み方

多言語の資料を電子化するときは、OCRの種類によって総額が大きく変わります。計算例で、その差を確かめておきましょう。

計算例:英文の引用が多い報告書・紀要40冊

自団体で発行した、英文の引用が多い報告書・紀要40冊(各400ページ・モノクロ)を、特殊OCR付きで電子化する例です。専門書の区分(600ページまで1冊800円)と仮定します。1冊を1つのPDFにまとめた、まとまったデータで納品する場合です(税別)。

  • 電子化料金:800円 × 40冊 = 32,000円
  • 特殊OCR:2,000円 × 40冊 = 80,000円
  • 基本料金:2,000円
  • 合計:114,000円(税別)

同じ40冊を通常OCR(1冊100円)にすると、OCRは4,000円で、合計は38,000円(税別)です。特殊OCRは1冊ごとにかかるため、英文で検索する必要のある本に絞ると費用を抑えられます。区分や本の状態によって、見積もりで金額が変わります。

>>大量の資料にOCRをかけるときの進め方は大量OCRの外注ガイドで解説しています。

見積もりの依頼で伝える項目

  • 書籍・冊子か、バラの書類か(冊数・ページ数・枚数)
  • 使われている言語と、混ざり方(同じページで混在か、言語ごとに分かれているか)
  • 検索したい言語と、テキストの正確さをどこまで求めるか
  • モノクロかカラーか、解像度の希望
  • 裁断してよいか(書籍の場合)
  • ファイル名・フォルダ分けの希望と、Word出力の要否
  • 希望の納期と、作業後の原本の扱い

ScanProの見積もり依頼フォームでは、原稿の写真を最大5点まで添付できます。言語の混ざり方が分かるページを写真で送ると、OCRの種類を判断しやすくなります。

送り方・持ち込みと納期

原稿は、段ボールなどに入れて送るのが一般的です。ScanProには、発送するか、名古屋市緑区への持ち込みで預けます。送付方法は問い合わせの際に確認しましょう。見積もりは到着後の当日から数日で出ます。

書類の作業期間は、基本20営業日に5,000枚ごとに1営業日が加わります。書類は量や条件によっては、24時間以内の特急にも対応しています。書籍・冊子の納期は1営業日〜6か月の範囲で相談でき、納期によって単価が変わります。作業後の原本は、見積もり依頼時に選んだ方法(通常処分・溶解処理・返却)で扱います。処分の場合は、納品日から10日間保管した後に処分します。

多言語OCRに関するよくある質問

Q. 認識率は何%になりますか?

認識率は、印刷の構成やフォント、原稿の状態によって変わるため、保証はされていません。実際の資料でテストスキャンをして確かめるのが確実です。

Q. OCRソフトで自分で処理するのと何が違いますか?

ソフトでも言語を指定してOCRをかけられますが、読み取りの画質や設定は自分で整える必要があります。業者に頼む場合は、スキャンの画質とOCRの設定をまとめて任せられます。量が多い場合や、原稿の状態が悪い場合は、外注のほうが手間を抑えやすいでしょう。

>>違いの詳しい比べ方はAI-OCRツールとスキャン代行の選び方で紹介しています。

まとめ:多言語OCRは言語の組み合わせを伝えて試す

英語や中国語が混ざった資料を検索できるPDFにするには、まず資料ごとに混ざっている言語を確かめます。書籍・冊子なら特殊OCRを付け、バラの書類なら見積もり依頼フォームで「通常」「特殊」から選びます。どちらも、言語の組み合わせを見積もりで伝えます。

認識率は原稿によって変わります。実際の資料でテストスキャンをし、検索したい語句が見つかるかを確かめてから全体を進めるのが確実です。お見積り・テストスキャンまで無料です。

言語の組み合わせを伝えて、まずは見積もりを

書籍か書類か、どの言語が混ざっているかをお知らせいただければ、OCRの種類と料金をお見積りします。原稿の写真の添付や、名古屋市緑区への持ち込みでもご相談いただけます。お見積り・テストスキャンまで無料です。

見積もりとテストスキャンを相談する

関連記事

← 前の記事 介護カルテの電子化|記録・ケアプランの保存期間と外注の手順 次の記事 → 社内報のデジタル化|広報誌も過去の号から検索できるアーカイブに
上部へスクロール